رابط مغز و رایانه چیست و فناوری BCI چگونه کار می‌کند؟

سیگنال عصبی، فرمان دیجیتال

رابط مغز و رایانه یا BCI سیگنال‌های عصبی را اندازه‌گیری و به فرمان تبدیل می‌کند. در روش‌های غیرتهاجمی، حسگرهایی مانند EEG از بیرون سر فعالیت الکتریکی را ثبت می‌کنند؛ روش‌های کاشتنی به سیگنال نزدیک‌تر و معمولاً با وضوح بالاتر دسترسی دارند، اما مداخله پزشکی و ریسک‌های جراحی را مطرح می‌کنند. سامانه باید نویز ناشی از حرکت، پلک‌زدن و تفاوت‌های فردی را مدیریت کند.

کاربردهای بالینی بالقوه مانند کمک به ارتباط افراد دچار فلج با کاربردهای سرگرمی یکسان نیستند. موفقیت در یک آزمایش کوچک به معنای محصول آماده برای استفاده روزمره نیست. تعداد شرکت‌کنندگان، مدت پیگیری، نرخ خطا، پایداری سیگنال، عوارض و وضعیت تأیید نهادهای پزشکی باید بررسی شود. داده عصبی نیز بسیار حساس است؛ رضایت آگاهانه، امکان حذف داده و امنیت ذخیره‌سازی باید از ابتدا طراحی شوند.

راهنمای ارزیابی و اجرای واقعی

برای سنجش این فناوری، ابتدا یک مسئله محدود و شاخص پذیرش روشن تعریف کنید. خط مبنا را پیش از اجرا ثبت کنید تا بتوان تغییر عملکرد را با وضعیت قبلی مقایسه کرد. آزمایش کنترل‌شده، ثبت نسخه نرم‌افزار و داده ورودی و مستندسازی شرایط اجرا، نتیجه را قابل تکرار می‌کند.

سیگنال عصبی، رمزگشایی و الزامات ایمنی رابط مغز و رایانه

رابط مغز و رایانه یا BCI سامانه‌ای است که فعالیت عصبی را اندازه‌گیری و به فرمان یا اطلاعات قابل استفاده تبدیل می‌کند. در سامانه‌های غیرتهاجمی معمولاً EEG از سطح پوست سر ثبت می‌شود؛ روش‌های تهاجمی الکترود را نزدیک یا داخل بافت عصبی قرار می‌دهند و می‌توانند سیگنال با تفکیک مکانی بالاتری دریافت کنند، اما جراحی و خطرهای زیستی بیشتری دارند. انتخاب روش به هدف بالینی یا پژوهشی وابسته است.

زنجیره پردازش معمول شامل ثبت سیگنال، حذف نویز، استخراج ویژگی، رمزگشایی و بازخورد است. EEG دامنه کم دارد و به پلک‌زدن، انقباض عضلات، حرکت کابل و نویز برق حساس است. فیلترکردن باید با احتیاط انجام شود، زیرا فیلتر نامناسب ممکن است اطلاعات عصبی مورد نظر را نیز حذف کند. کیفیت الکترود، امپدانس تماس و پایداری ثبت بر عملکرد نهایی اثر می‌گذارند.

مدل رمزگشا از الگوهای سیگنال برای پیش‌بینی قصد یا وضعیت استفاده می‌کند. در سامانه‌های مبتنی بر تصور حرکت، ویژگی‌های باندهای فرکانسی و تغییرات توان ممکن است بررسی شوند؛ در رویکردهای دیگر پاسخ‌های برانگیخته یا فعالیت عصبی مستقیم تحلیل می‌شود. عملکرد بین افراد و حتی در یک فرد طی روزهای مختلف تغییر می‌کند، بنابراین کالیبراسیون و سازگاری با تغییر توزیع داده اهمیت دارد.

در کاربردهای کمک‌حرکتی، BCI می‌تواند انتخاب حروف، کنترل نشانگر یا فرمان به وسیله کمکی را ممکن کند. نرخ انتقال اطلاعات، دقت انتخاب، زمان آموزش، خستگی و قابلیت استفاده روزمره باید با هم سنجیده شوند. نمایش یک دمو موفق معیار کافی برای اثربخشی بالینی نیست؛ کارآزمایی کنترل‌شده، معیارهای از پیش تعیین‌شده و پیگیری طولانی‌مدت لازم‌اند.

در سامانه‌های تهاجمی، عفونت، التهاب، جابه‌جایی الکترود، افت کیفیت سیگنال و نیاز به جراحی مجدد از ملاحظات مهم‌اند. در هر دو نوع، امنیت و حریم خصوصی داده عصبی اهمیت ویژه دارد. داده خام و الگوهای رمزگشایی‌شده ممکن است اطلاعاتی درباره وضعیت فرد آشکار کنند؛ رضایت آگاهانه، کنترل دسترسی، رمزنگاری، محدودیت استفاده ثانویه و امکان حذف داده باید روشن باشد.

BCI را باید بر اساس کاربرد مشخص ارزیابی کرد، نه وعده کلی «خواندن ذهن». فناوری فعلی معمولاً سیگنال‌های محدود را در شرایط تعریف‌شده رمزگشایی می‌کند و توانایی استخراج آزادانه افکار پیچیده را ندارد. مقاله علمی، مرحله توسعه دستگاه، اندازه نمونه، گروه کنترل، عوارض و محدودیت‌های اعلام‌شده را بررسی کنید و میان نمونه پژوهشی و محصول تأییدشده بالینی تمایز بگذارید.

از سیگنال مغزی تا کاربرد قابل استفاده

رابط مغز و رایانه یک زنجیره کامل اندازه‌گیری و تفسیر است. حسگر سیگنال را ثبت می‌کند، مرحله پیش‌پردازش نویز و آرتیفکت را کاهش می‌دهد، ویژگی‌ها استخراج می‌شوند و الگوریتم رمزگشا الگوی مرتبط با قصد یا وضعیت کاربر را تخمین می‌زند. خروجی سپس به نشانگر، صفحه‌کلید مجازی، بازوی رباتیک یا وسیله کمکی منتقل می‌شود. خطا در هر مرحله می‌تواند تجربه نهایی را مختل کند.

EEG غیرتهاجمی فعالیت الکتریکی را از سطح پوست سر ثبت می‌کند و معمولاً راه‌اندازی آن ساده‌تر است، اما سیگنال ضعیف و حساس به حرکت، پلک‌زدن و انقباض عضله است. سامانه‌های تهاجمی الکترود را درون یا روی سطح مغز قرار می‌دهند و می‌توانند اطلاعات مکانی دقیق‌تری فراهم کنند، اما به جراحی، مراقبت پزشکی و ارزیابی بلندمدت نیاز دارند. مقایسه این روش‌ها بدون توجه به هدف بالینی و ریسک مداخله گمراه‌کننده است.

رمزگشایی معمولاً به کالیبراسیون فردی نیاز دارد. تفاوت‌های فیزیولوژیک، خستگی، دارو، وضعیت الکترود و تغییر سیگنال در طول زمان باعث می‌شوند مدلی که برای یک فرد یا یک جلسه آموزش دیده، در شرایط دیگر افت کند. سامانه باید میزان اطمینان خود را برآورد کند و در صورت کیفیت پایین سیگنال، به جای اجرای فرمان اشتباه وارد حالت امن شود.

در کاربردهای کمکی، معیار موفقیت فقط سرعت انتخاب نیست. دقت، نرخ انتخاب اشتباه، زمان آموزش، خستگی، راحتی تجهیزات، نیاز به کمک مراقب و امکان استفاده روزمره اهمیت دارند. برای کنترل وسیله حرکتی، فرمان اشتباه می‌تواند پیامد فیزیکی داشته باشد؛ بنابراین توقف اضطراری مستقل، محدوده سرعت و تأیید چندمرحله‌ای باید متناسب با خطر طراحی شوند.

اعتبارسنجی بالینی باید میان دمو، مطالعه امکان‌سنجی و اثربخشی در زندگی روزمره تفاوت بگذارد. تعداد شرکت‌کنندگان، مدت پیگیری، گروه مقایسه، عوارض، نرخ ریزش و میزان استفاده واقعی باید گزارش شوند. نتیجه موفق یک آزمایش کوتاه الزاماً به معنی دسترس‌پذیری فناوری برای همه بیماران یا پایداری اثر در بلندمدت نیست.

داده عصبی می‌تواند اطلاعات حساسی درباره وضعیت فرد آشکار کند. رضایت آگاهانه، مالکیت و دسترسی به داده، مدت نگه‌داری، اشتراک با پژوهشگران و امکان انصراف باید شفاف باشند. در سامانه‌های متصل، امنیت ارتباط، به‌روزرسانی نرم‌افزار و جلوگیری از دست‌کاری فرمان خروجی نیز اهمیت دارد.

برای بررسی شواهد علمی، به منابع مؤسسه ملی اختلالات عصبی و سکته آمریکا و پایگاه ثبت کارآزمایی‌های بالینی مراجعه کنید. وضعیت هر محصول باید بر اساس مجوزهای نظارتی، شواهد منتشرشده و کاربرد مشخص آن ارزیابی شود.

از نمونه آزمایشگاهی تا کاربرد بالینی رابط مغز و رایانه

یک سامانه BCI معمولاً سیگنال عصبی را دریافت، پاک‌سازی، قطعه‌بندی و به ویژگی‌هایی تبدیل می‌کند که مدل بتواند از آن‌ها قصد یا وضعیت موردنظر را تخمین بزند. در EEG، الکترودهای سطح سر فعالیت الکتریکی جمعی را ثبت می‌کنند؛ این روش غیرتهاجمی است اما سیگنال آن نسبتاً ضعیف و مستعد آلودگی ناشی از حرکت، پلک‌زدن و فعالیت عضلات است. روش‌های تهاجمی به سیگنال نزدیک‌تر به نورون‌ها دسترسی دارند، اما جراحی و مراقبت پزشکی می‌طلبند.

کیفیت ثبت به محل الکترود، تماس با پوست، امپدانس، نرخ نمونه‌برداری و هم‌زمانی با رویدادها وابسته است. پیش‌پردازش باید نویز برق شهر، حرکت و آرتیفکت‌های زیستی را مدیریت کند، اما فیلتر بیش‌ازحد می‌تواند بخشی از اطلاعات مفید را نیز حذف کند. تمام مراحل تبدیل سیگنال باید ثبت شوند تا نتیجه آزمایش قابل بازتولید باشد.

مدل رمزگشا معمولاً برای هر فرد یا حتی هر جلسه نیازمند کالیبراسیون است. تغییر وضعیت بدن، خستگی، دارو، تعریق یا جابه‌جایی الکترود ممکن است توزیع سیگنال را تغییر دهد. بنابراین ارزیابی فقط با تقسیم تصادفی پنجره‌های یک جلسه به داده آموزش و آزمون می‌تواند عملکرد را بیش‌ازحد خوش‌بینانه نشان دهد؛ آزمون بین‌جلسه‌ای و طولی اهمیت دارد.

در کاربرد کمک‌حرکتی، خروجی مدل ممکن است انتخاب حرف، حرکت نشانگر یا فرمان به اندام رباتیک باشد. رابط باید نرخ خطا، زمان پاسخ و امکان لغو فرمان را در نظر بگیرد. اگر مدل مطمئن نیست، توقف یا درخواست تأیید بهتر از اجرای حرکت ناخواسته است. برای کاربردهای پزشکی، ارزیابی ایمنی و اثربخشی باید متناسب با کاربرد و الزامات نهاد ناظر انجام شود.

شاخص‌هایی مانند دقت طبقه‌بندی به‌تنهایی تجربه کاربر را توصیف نمی‌کنند. نرخ اطلاعات انتقال‌یافته، زمان انجام وظیفه، تعداد فرمان‌های اصلاحی، خستگی، راحتی پوشیدن تجهیزات و میزان استقلال کاربر نیز باید سنجیده شوند. معیارها باید با مشارکت کاربران هدف و متخصصان بالینی انتخاب شوند.

داده عصبی می‌تواند اطلاعاتی فراتر از فرمان موردنظر آشکار کند و به همین دلیل کنترل دسترسی، رضایت آگاهانه، محدودیت استفاده ثانویه و حذف امن داده اهمیت ویژه دارد. کاربر باید بداند چه سیگنالی جمع‌آوری می‌شود، چه چیزی از آن استنباط می‌شود و آیا داده برای آموزش مدل‌های دیگر استفاده خواهد شد یا خیر.

در نهایت، یک نمایش آزمایشگاهی موفق را نباید با درمان اثبات‌شده یا محصول آماده بازار یکی دانست. دوام الکترود، نیاز به کالیبراسیون، قابلیت استفاده روزمره، نگه‌داری، هزینه و پشتیبانی بالینی تعیین می‌کنند که فناوری تا چه اندازه می‌تواند از محیط پژوهشی به زندگی واقعی منتقل شود.